人类社会发展的深远影响。而国家网信办等七部门联合发布的《生成式人工智能服务管理 暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 公司，如阳光、人保、平安、国寿、泰康、瑞再、安盛、安联等，纷纷投身于大模型技术的研发 与应用，积极探索其在保险业务中的无限可能。阳光保险集团作为行业的先行者和探索 者， · · · · · · · · · · · · · · · · · 27 2.1.2 数智化转型是解决之道及不二选择· · · · · · · · · · · · · · · · 28 2.2 国内外相关政策分析· · · · · · · · · · · · · · · · · · · · · · · · · · · · 30 2.2.1 国内政策密集出台· · · · · · · · · · 环节，以确保技术的合规应用。同时，还需要与监管机构保持密切沟通，及时了解监管动态， 调整技术策略。 1.2.3 面临挑战 在保险科技领域，大模型技术的应用虽展现出巨大潜力，却也伴随着一系列不容忽视 的挑战，需行业内外共同面对并寻求解决方案。 �� （4）模型解释性难题 大模型的“黑箱”特性给监管审查、客户信任及内部决策带来了巨大挑战。为了提升模 型的可解释性，保险公司可以采用多种方法，如可视化技术、特征重要性分析、局部解释等，

.........................................................................................125 8.1 国内外成功案例................................................................................127 8.1.1 案例一：AI 潜力和良好的实践效果，不仅能够提升医疗质量，还能改善患者体 验与健康管理。随着技术的不断发展与完善，未来的医疗服务将逐 步走向更加智能化、个性化的方向。 8.1 国内外成功案例 在 AI 生成式大模型的医疗场景应用中，国内外已经出现了一 系列成功案例，这些案例为未来的发展提供了重要的参考和借鉴。 首先，国外的一个显著案例是美国的 IBM Watson Health。 该系统利用自然语言 推动了大模型在医疗中的应用。 总之，国内外成功案例表明，AI 生成式大模型在医疗场景中的 应用已经取得了一定的实质性突破。这些案例不仅提高了诊断的准 确性和治疗的个性化，还优化了医疗资源的配置，改变了传统的医 疗服务方式，展现了 AI 技术在改善医疗健康方面的巨大潜力。 8.1.1 案例一：AI 助力临床诊断 AI 在临床诊断中的应用已成为医疗领域的一项重要革新。在国 内外多项成功案例中，AI 技术通过与医疗专业结合，展现了其在疾

…… …… …… …… 国外头部 国内大厂 国内创业明星 国内外大模型百花 齐放 全球开源社区 DeepSeek 是“深度求索 ” 开发的一系列人工智能模型。 DeepSeek 通过持续的技术创 新 和市场拓展，在自然语言处理和大型语言模型方面取得了显著进展，在国际市场上获得

OpenAI 的 Deep Research 功能支持查找、分析和综合数百个在线资源，以研究分析师的水平创建综合报告。随着相关模型能力上限持 续 提升，决策层可应用 DeepSeek 深度挖掘和分析内外部数据，并为管理和决策赋能。 图表： Deep research 示例 决策赋能场景：高级分析能力赋能管理决策 资料来源： OpenAI ，中泰证券研究 所 20 机构 应用场景 工商银行

5%的同比增幅。 该服务全面融入用户的内容记录、整理及写作流程，同时，科大讯飞聚焦多线布局，打造了一系列SaaS产品矩阵。讯飞听见持续领跑智能转写 行业，稳居苹果应用商城效率转写类别榜首。另一方面，用友网络与国内外顶尖咨询机构的合作模式愈发稳健，合作总规模突破2亿元大关，合 作项目数与合同金额均实现了超100%的同比增长。此外，用友网络的专业服务伙伴队伍壮大至708家，认证顾问人数超过5,800名。云服务的基

数据管理者，将有助于防止侵蚀信任的偏见和不 准确性。克服对AI和自主化系统中的信任问题，将 有助于更快地提升人才技能，并充分发挥这些技 术的潜力。 企业还应积极拥抱从传统业务单元结构转向 平台型运营模式。这将使内外部利益相关者的跨 职能团队能够在整个供应链范围内更快地协作并 解决问题，而不仅仅在供应链的某一环节。 最后，企业必须重新审视其治理方式和领导 风格，从被动的危机管理模式，转向主动的风险评

首先，针对城市轨道交通的特点，模型架构应采用模块化设 计，以方便不同应用场景的灵活组合。系统可以分为几个主要模 块，包括数据采集、数据预处理、特征提取、模型训练、决策输出 以及反馈机制。 数据采集模块负责收集轨道交通系统内外的各种信息，包括但 不限于列车运行数据、客流量、天气状况、设备状态等。这些数据 来源于传感器、监控系统以及历史数据库，并需保证数据的时效性 和准确性。 数据预处理模块则对收集到的原始数据进行清洗和标准化处 度。 表 1 列出了在实际应用中需要考虑的关键指标和优化目标： 指标 描述 等待时间 乘客在站台等待列车的平均时间 准点率 列车按时到达的比例 吞吐量 单位时间内运输的乘客数量 成本 行业内外部运营成本 乘客满意度 乘客对出行的整体体验评分 通过综合考虑上述指标，候选方案经过多轮模拟与优化，可以 为实际运营提供切实有效的决策支持。该方案不仅可以降低运营成 本，还能显著提升乘客的满意度，进而提升城市轨道交通系统的整 历史 故障数据，建立故障预测模型。实现对关键设备的状态监测与 预测维护，降低突发故障率，提升设备可靠性，延长使用寿 命。 4. 安全管理系统：扩展 AI 监控系统，结合视频分析技术，对站 内外的安全隐患进行实时识别与预警，提升安全管理的智能化 水平。通过接入紧急响应系统，实现应急事件的快速响应和处 理能力。 5. 绿色运营管理：在节能减排方面，利用数据分析对列车运行全 生命周期的

微帧科技（Visionular）作为领先的视频编码与超高清服务提供商，深耕视频编码、深度学习、图像处 理等领域 20 余年。公司拥有自研的核心编码引擎，为长视频、短视频、直播、RTC 等全视频场景提供 智能化解决方案，目前已与国内外 100 多家头部企业达成合作，每月处理视频超 15 亿分钟，覆盖从 云端到终端的全链路视频服务。 业务痛点： 高性能算力需求：释放自研编码内核技术潜力 微帧科技自研的编码内核需要高性能算力

，展示 DeepSeek-R1 的实际效果，积累用户信任。  培训与支持：为合作企业提供技术培训与支持，确保其能够熟 练使用系统，并通过其反馈持续优化模型。  行业峰会与展会：积极参与国内外工程领域的峰会和展会，展 示技术成果，扩大品牌影响力。 最后，我们将建立用户反馈机制，定期收集用户的使用体验与 建议，并快速响应需求变化。通过持续的技术迭代与服务升级，确 保 DeepSeek-R1

10+上市公司审计部门落地，平均减少合规成 本 35%，同时将重大错报风险发现时间点从事后提前至事中监控阶 段。 7.2.1 流程合规性分析 在内部审计与合规检查中，流程合规性分析是确保企业运营符 合内外部法规及内部制度的核心环节。通过接入 DeepSeek 构建的 智能体，审计团队能够实现自动化规则匹配、实时异常检测以及动 态风险预警，显著提升分析效率与准确性。以下是具体实施方案： 规则库与智能匹配